Scribd
Importer
35 vues2 pages

Bi TD 1

Le document présente des travaux dirigés pour un module de Business Intelligence à l'Université Mohammed V, axés sur l'élaboration de modèles d'entrepôt de données. Il contient des exercices sur la création de datamarts pour analyser les ventes d'une entreprise de vaisselle jetable et d'une entreprise de restauration rapide, ainsi qu'un modèle pour une société de chaussures. Les exercices incluent la conception de modèles en étoile et en flocon de neige, ainsi que l'extension des modèles pour intégrer de nouvelles dimensions d'analyse.

Transféré par

hajar khindouf
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
35 vues2 pages

Bi TD 1

Le document présente des travaux dirigés pour un module de Business Intelligence à l'Université Mohammed V, axés sur l'élaboration de modèles d'entrepôt de données. Il contient des exercices sur la création de datamarts pour analyser les ventes d'une entreprise de vaisselle jetable et d'une entreprise de restauration rapide, ainsi qu'un modèle pour une société de chaussures. Les exercices incluent la conception de modèles en étoile et en flocon de neige, ainsi que l'extension des modèles pour intégrer de nouvelles dimensions d'analyse.

Transféré par

hajar khindouf
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Faculté des Sciences Module : Business Intelligence

Université Mohammed V - Rabat Année : 2024 – 2025

Travaux Dirigés

Série N°1 : Élaboration de modèles d’Entrepôt de données

Exercice 1.

Une entreprise de fabrication de vaisselle jetable souhaite mettre en place un


système d’information décisionnel sous la forme d’un datamart (un mini
entrepôt de données) pour observer son activité de ventes au niveau des
différents lieux de distributions de ses articles et cela dans plusieurs villes. Ces
lieux de distributions sont renseignés par leur enseigne, leur type (en fonction
de leur surface), leur adresse (code postal et ville), leur département, leur
région. Les ventes sont renseignées selon une période qui se décline en mois,
en trimestre et année. Les ventes sont observées par le nombre d’articles selon
le type, et le chiffre d’affaires.

1. Quel est le fait à observer ?

2. Quels sont les axes d’analyse, et les mesures ?

3. Construire le modèle en étoile de ce datamart.

Exercice 2.

1) Concevoir un modèle en étoile qui permet d’analyser les ventes d’une


entreprise de restauration rapide. Le principe est de mesurer les ventes
grâce aux quantités vendues et aux bénéfices, en fonction des ventes
réalisées par jour, dans un restaurant donné, pour un aliment donné.
L’objectif est de pouvoir analyser les ventes par jour, par semaine, par
mois et par année. Les restaurants peuvent être regroupés en fonction
de leur ville et de leur pays.

2) Modifier ce modèle en un modèle en flocon de neige pour modéliser


explicitement les hiérarchies des dimensions représentant le temps et la
localisation géographique des magasins.

3) On souhaite à présent mesurer le nombre de commandes qui est donné


par jour et par restaurant. Etendre le modèle précédent afin de prendre
en compte cet aspect.
Exercice 3.

La société Shoesy, installée dans la région Californie, désire construire un


entrepôt de données pour suivre l'évolution de ses ventes de chaussures.
L’entreprise Shoesy dispose de deux magasins « Shoesy_Oakland » et «
Shoesy_LA » et vend plusieurs modèles de chaussures.

1. Proposez un modèle conceptuel et logique d’entrepôt de données


DW_Shoesy pour observer l’évolution des ventes en termes du nombre
total de paires de chaussures vendues par rapport aux axes MOIS,
ANNÉE, MAGASIN et MODÈLE. Quel est le type du modèle obtenu
? Argumentez.

2. On peut maintenant imaginer que la société désire aussi étudier la


répartition de ses ventes suivant d'autres critères, comme Genre
(Homme/Femme/Enfant), Pointure, ou encore Couleur. Proposer un
nouveau modèle conceptuel de l’entrepôt de données
DW_Shoesy_Nouveau en prenant en compte toutes les dimensions
anciennes et nouvelles citées ci-dessus.

Vous aimerez peut-être aussi